去年年底,华为召开了石油石化行业信息峰会,探讨了信息化助力企业高效运营、分享了促进两化深度融合的经验,研究了我国油气行业信息化发展方向。实际上,以中石油、中石化等为代表的石油石化行业企业一直走在央企信息化的前列,他们先后提出了信息化建设的规划思路,行业两化深度融合正在不断加速,石化盈科董事长李德芳也肯定地表示:“行业提出转型升级早,先于国家提出的智能制造2025。”石化盈科信息技术有限责任公司(以下简称石化盈科)行政总裁齐学忠带大家回忆,《中国制造2025》的重点是明确提出把智能制造工程作为五项重点工程之一,要求大力推进制造过程智能化;随后国务院提出“互联网+”协同制造,要求以智能工厂为发展方向,构建智能制造产业生态。齐学忠强调:“化深度融合是建设制造强国的战略制高点,智能工厂建设是两化深度融合的重要着力点。”
一是响应国家号召,更是为了切实推进石化行业的两化深度融合,华为联合石化盈科共同推出了面向石化行业的智能制造平台。华为企业BG中国区副总裁刘超表示:“中国石化一直是华为的战略客户,随着智能制造平台的发布,华为将致力于为石化盈科提供包括智能工厂、智慧油田、智慧院所等在内的云平台。”再看主角之一的石化盈科,石化盈科是中国流程行业信息化及智能化建设方面的主力军,其董事长李德芳充分肯定了与华为过去多年的合作成果:“随着合作的深入,双方打造的智能制造技术与中国石化的技术研发、设计施工、生产运营等先进技术相结合,形成具有国际竞争力的石化工业核心技术和成套解决方案,将成为我国企业‘走出去’和‘一带一路’建设中的‘新名片’。”
可以说,智能制造平台是双方进一步深入合作所取得的首个重要联合创新成果,也是石化智能工厂2.0建设的核心内容,全面体现了集中集成、物联网接入、IT管控、优化、共享服务、数据处理与分析、人工智能等八项核心能力,未来将会成为流程工业智能制造的“操作系统标准”。
具体来说,智能工厂联创解决方案将联合打造石化行业内领先的智能制造平台。方案以物联网、云平台、大数据为技术基础;以工作流、优化计算、知识库、报表服务、规则服务、日志服务等为技术手段;集成了DCS、PLC、RFID、手机终端、工业可穿戴设备、检测仪、分析仪等过程控制与装备;融合华为ICT技术;依托智能化平台,推出能源产耗在线优化、智能调度指挥、设备运行智能分析、安全环保智能监管等多个解决方案,能够提供调度、预警、工厂监控、生产预测等多项业务服务,从而提升石化企业建设全面感知、优化协同、预测预警、科学决策的智能生产运营能力,支撑企业生产运行实现在线控制智能化、生产过程可视化、管理控制一体化、运行状态最优化。
华为企业BG中国区,大企业业务部部长,姚茳介绍方案中适应行业的技术亮点时表示:
华为在积极关注石化石油行业信息化的需求和发展趋势,为两化融合提供技术和装备,推出云计算、互联网+等热点领域的解决方案。工信部原材料副司长潘爱华在参加智能制造平台发布会时对石化智能工厂建设和智能制造平台创新给予了高度评价,随着联创发布会的成功举办以及双方在石化领域的不断创新与实践,华为携手盈科将成为“中国智造”的领先者,为中国石油石化强国目标的建设做出更大的贡献。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。